`

【专题报告】双重筹码集中的基本面选股策略

创建于 更新于

摘要

本报告基于基本面优选股票池,引入Piotroski F-Score及分析师评级筛选基本面良好股,结合筹码价格集中与投资者集中双重筹码指标,构建基本面+筹码集中的选股策略。策略回测2009-2019年,实现18%年化收益,超额中证500基准13.5%,信息比0.99,最大回撤34.4%,表现稳定优于基准,显示有效择时与风险控制能力[page::0][page::3][page::4][page::5][page::9][page::10][page::11][page::12]。

速读内容


基本面选股指标构建 [page::3][page::4][page::5]

  • 引用Piotroski(2000)提出的F-Score,结合资产收益率、现金流、负债率变化等9个0-1指标构成基本面评分。

- 根据F-Score分组,High组股票累计收益明显高于Middle和Low组,同时High组极端大跌概率显著更低,适合作为风控手段和选股池。
  • 分析师评级采用朝阳永续库数据,评级基于卖方报告加权,分数范围0至1,≥0.75代表偏积极评级。

- 结合分析师评级后,极端下跌概率进一步降低,有助于避免重大风险事件。



筹码集中指标构建及案例分析 [page::6][page::7][page::8][page::9]

  • 筹码价格集中利用成交价、换手率编制衰减函数,估算持股成本集中度,价格筹码集中多反映股票盘整期,为左侧入场信号。

- 筹码投资者集中以股东户数变化率为代理,通常户数下降代表大资金买入,预示未来表现向好,户数上升预示获利盘兑现。
  • 但股东户数受人均持有市值影响,极端跌时因人均持有市值过低导致户数减少,因此解释需结合市值指标。

- 国电电力和贵州茅台案例说明户数变动与股价关系的复杂性,户数指标不能孤立解读。





双重筹码集成的基本面选股策略构建与回测表现 [page::9][page::10][page::11]

  • 股票池构建:F-Score高分组与分析师评级≥0.75交集。

- 双重筹码筛选:计算筹码价格集中度(筹码盈亏分布方差衡量)与投资者集中度(当期股东户数除以过去四季度股东户数次高值),综合排序,选排名最优20只股票。
  • 策略每年5、9、11月调仓,考虑真实交易成本及停复牌,回测2009-2019,实现年化18%收益,超中证500基准13.5%,信息比0.99,最大回撤34.4%,稳定性优秀。

- 分年度表现除2014年外均实现稳健超额收益,14年表现较差因策略对银行证券类行业基本面指标适用不足。


| 年份 | 策略收益 | 中证500 | 超额收益 | 相对波动率 | 信息比 |
|--------|----------|---------|----------|------------|---------|
| 2009 | 48.05% | 40.59% | 7.46% | 9.19% | 0.81 |
| 2010 | 21.39% | 9.45% | 11.94% | 8.68% | 1.38 |
| 2011 | -24.28% | -34.81% | 10.53% | 8.90% | 1.18 |
| 2012 | 16.62% | 2.62% | 14.00% | 10.59% | 1.32 |
| 2013 | 37.32% | 17.52% | 19.80% | 10.20% | 1.94 |
| 2014 | 20.88% | 38.33% | -17.45% | 8.35% | -2.09 |
| 2015 | 67.33% | 40.63% | 26.70% | 15.60% | 1.71 |
| 2016 | 8.72% | -10.31% | 19.02% | 11.47% | 1.66 |
| 2017 | 9.69% | -1.11% | 10.80% | 8.33% | 1.30 |
| 2018 | -18.47% | -34.18% | 15.70% | 10.51% | 1.49 |
| 2019 | 30.20% | 18.54% | 11.66% | 8.56% | 1.36 |

深度阅读

【专题报告】双重筹码集中的基本面选股策略研究详解



---

一、元数据与报告概览


  • 报告标题: 双重筹码集中的基本面选股策略

- 作者/机构: 华创证券研究所,证券分析师陈杰、王小川
  • 发布时间: 2019年(具体日期未详)

- 研究主题: 基于筹码价格集中与筹码投资者集中结合基本面选股策略的构建与实证检验
  • 核心论点/结论:

- 结合股价筹码价格集中(价格分布维度)与股东户数(投资者分布维度),构建“双重筹码集中”选股策略。
- 以Piotroski F-Score和分析师评级辅助筛选基本面良好、稳定的股票池,规避因市值管理及非基本面因素造成的筹码集中干扰。
- 该策略自2009年至2019年,年化收益达18%,相较中证500基准超额13.5%,信息比0.99,最大回撤34.4%,年化双边换手率4.87,展现出稳定且优异的风险调整收益表现。
- 研究指出在股东户数等指标受限时引入价格筹码集中可提高选股稳定性,是左侧介入信号,较好衡量筹码状态并提升选股效果。
  • 评级/目标价: 无明确评级与目标价,本为策略研究报告。

- 主要信息传递: 论文强调融合价格筹码分布与投资者筹码分布分析,通过基本面约束筛选股票,提高选股策略的稳定性和回撤控制能力;体现筹码研究多角度结合在A股股票市场的适应性与有效性。

[page::0,1]

---

二、逐节深度解读



1. 研究思路


  • 关键点:

- 传统筹码研究分为“筹码价格分布”和“筹码投资者分布”两个角度。
- 本文尝试将两者融合,弥补单一角度带来的信息不完善。
- 结合A股市值管理现象,加入Piotroski(2000)F-Score与分析师评级,确保选股池基本面良好,减少非基本面导致的筹码集中干扰。
  • 推理与假设:

- 筹码价格集中通过量、价、换手率信息估算筹码在各价格位置的分布。
- 投资者筹码分布以股东户数、人均持股数等指标衡量大资金流向。
- 基本面良好的股票更稳定,减少下跌风险,辅助验证筹码集中背后的真实价值支撑。

[page::0,3]

2. 通用基本面衡量代理变量



(一)F-Score简介


  • 论点总结:

- Piotroski提出基于财务报表的9项二元指标评估公司基本面,从盈利能力、偿债能力/资本结构、运营能力三个维度综合评分形成F-Score。
- 调整为采用TTM财务数据以配合A股节奏。
- F-Score分组为Low(0-3),Middle(4-6),High(7-9),用于划分股票质量。
  • 关键数据点与指标说明(图表1):

- 9项指标均为0-1打分,涵盖ROA、现金流、负债比率变化、流动比率变化、股票是否增发、毛利率变化等。
- F-Score加总得分使用于区分基本面好坏。
  • 结果说明(图表2、3、4):

- 高F-Score组在2009年至今的表现明显优于其他组,风险控制效果突出(极端下跌概率显著更低)。
- 高分组股票数量合理(250-1000只),适合作为股票池基础。

[page::3,4]

(二)分析师评级简介


  • 核心观点:

- 使用朝阳永续库的分析师评级体系,基于卖方报告的推荐等级赋予0-1分,计算加权平均得出统一评级。
- 为提升风控,仅采用类型1(90天内3家以上评级)的数据,筛选评级≥0.75(买入/收集倾向强)股票。
  • 实证观察(图表5、6、7):

- 单独分析师评级≥0.75的组收益不显著,但其与F-Score高分组结合后表现更佳,特别是个股异常风险规避更有效。
- 极端下跌概率进一步降低,尤其在跌幅超过40%、50%、60%时高F-score+高分析师评级组表现最优。
- 股票池规模约100-400只,适合后续精筛。
  • 推断:

- 融合基本面指标与市场分析师观点,有效过滤潜在风险,兼顾风控与收益。

[page::5,6]

3. 双重筹码集中基本面选股策略



(一)筹码价格集中简介


  • 核心原理:

- 通过历史成交价和成交量,结合换手率衰减函数估算筹码价格分布。
- 换手率随时间衰减,计算历史各日成交量在当前有效筹码量。
- 筹码价格分布方差用于衡量筹码价格集中度。
  • 举例说明(图表8,方大炭素案例):

- 长时间盘整后筹码价格集中,随后股价爆发性上涨,体现筹码价格集中是潜在的左侧买入信号。
  • 假设:

- 尽管算法假设强(简单衰减),但形态上的筹码价格集中对选股有较好指示意义。

[page::6,7]

(二)筹码投资者集中简介


  • 主体内容:

- 以股东户数作为投资者筹码集中度指标。
- 投资者筹码集中(户数减少)通常认为大资金吸筹,未来表现好;反之则表现差。
- 以季度股东户数变化率极值(最小20只为focus组,最大20只为no-focus组)进行验证。
  • 绩效对比(图表9):

- focus组表现显著优于no-focus组及基本面筛选股票组。
  • 案例分析(国电电力与贵州茅台,图表10~13):

- 国电电力:股价大幅下跌期股东户数却减少,人均持有市值低导致“虚假”筹码集中现象,并非大资金介入。
- 贵州茅台:价格稳步上涨期股东户数增加,人均持有市值高,固定权重调整导致卖出,表面上股东户数增加但非资金流出。
  • 推理:

- 股东户数指标受人均持有市值影响显著,涨跌幅大时信息含糊。
- 投资者筹码集中可作为辅助但不宜单独依赖。

[page::7,8,9]

(三)双重筹码集中的基本面选股策略构建


  • 策略细节:

1. 选取F-Score高分组且分析师评级≥0.75的股票池。
2. 计算投资者集中度指标InvsetFocus:当前股东户数除以过去四季度股东户数次高值。
3. 计算价格集中度指标Price
Focus:筹码盈亏分布方差(基于前周期换手率衰减筹码价格分布)。
4. 每季度(5月、9月、11月)调仓,选取InvsetFocus与PriceFocus排序和最低的20只股票构成投资组合。
  • 策略效果(图表14与15):

- 双重筹码集中结合基本面策略的累积净值明显优于单一指标及中证500。
- 考虑实盘交易影响(涨跌停、停复牌及手续费)后,策略仍然展现稳定优势。
  • 回测数据(2009.5.4-2019.7.28):

- 年化收益18%,相较中证500超额13.5%。
- 信息比0.99,最大回撤34.4%。
- 年化换手率4.87,体现较合理交易频率。

[page::9,10]

4. 策略分年表现与场景分析(图表16)


  • 年化超额收益稳定且显著,除2014年表现不佳外,其余年份均实现10%以上超额收益。

- 2014年差异分析:
- 策略作为左侧布局偏盘整的操作,遇到底部快速反弹行情相比大盘表现逊色。
- 受制于F-Score指标对银行、证券、保险等行业打分偏低,导致策略未能覆盖这类普涨股票,拉低表现。
  • 长期来看,策略波动率控制较好,风险调整表现稳健。


[page::10,11]

---

三、图表深度解读



图表1: F-Score 计算方式


  • 展示F-Score中九个财务指标的具体现算法及二元打分标准。

- 显示盈利能力、偿债能力、运营能力三大维度的具体内容,奠定后续F-Score评分体系基础。

图表2: F-Score分组收益


  • 高F-Score组股票收益累计显著领先低分组,验证F-Score在A股的有效性。

- 体现F-Score非单纯预测因子,更多发挥风险控制作用。

图表3: F-Score分组极端下跌比例


  • 高分组极端下跌概率较低,增强了其风控价值。


图表4: F-Score组股票数量


  • 高分组股票数量稳步增加,为后续筛选提供宽裕池。


图表5: 分析师评级与F-Score组合净值


  • 显示单独分析师评级不显示异常收益,组合加入F-Score后明显提升。

- 验证风控与策略提升作用。

图表6: 极端下跌比例(F-Score+分析师评级)


  • 进一步降低极端下跌风险,组合筛选增强稳定性。


图表7: 股票数量(组合)


  • 100-400只股票池,聚焦优质股。


图表8: 筹码价格集中实证(方大炭素)


  • 显示盘整期间密集筹码价格区间,反映筹码政策驱动的底部特征。


图表9: 筹码投资者集中、不集中分组收益


  • 关注股东户数变化的投资者集中组显示良好收益溢价。


图表10-13: 股东户数案例(国电电力与贵州茅台)


  • 国电电力股东户数下降但市值下跌,说明股东户数变化受市值影响,非单纯资金流入;贵州茅台股东户数增加但股价上涨,暗示固定权重调整带来的卖出行为增加户数。

- 强调股东户数指标需要结合人均持股市值解读。

图表14-15: 双重筹码集中选股策略净值表现


  • 策略在整个回测期间整体跑赢基准,有效提升收益和风险调整表现。


图表16: 策略分年风险收益指标


  • 年度超额收益及信息比稳定,除2014年外无大幅亏损。


---

四、估值分析



报告无显式估值模型或目标价,属于量化选股策略研究,重点是策略绩效评估和风险控制,故不涉及DCF、市盈率等传统估值。

---

五、风险因素评估


  • 数据有效性风险: 策略基于历史数据回测,不保证未来有效性。

- 基本面指标覆盖限制: F-Score不适用于银行、券商、保险行业,可能导致策略对该行业配置不足。
  • 筹码价格分布模型假设较强: 换手率简单衰减假设可能与真实筹码流动有差距。

- 股东户数受人均持有市值影响显著: 大幅变动中可能导致指标误判,影响策略判断。
  • 市场极端状况表现不确定: 2014年等底部反弹时策略表现逊色。

- 交易成本及流动性风险: 回测考虑手续费,但真实交易滑点等因素可能影响实际收益。

报告未明确提出缓解对策,但结合多维指标融合能较好降低单一指标误判风险。[page::0,12]

---

六、批判性视角与细微差别


  • 报告强调基本面对筹码集中的重要性,适度规避市场非理性行为,但F-Score作为简化代理仍有局限,特别在行业覆盖不全方面。

- 筹码价格分布基于历史换手率衰减构建,假设强,实际市场复杂程度可能导致模型误差。
  • 投资者筹码集中指标受市场环境、人均持股规模变化干扰,单独使用时风险较大,需谨慎解读。

- 报告对策略回测表现积极,少涉及模型潜在失效的探讨,实用者需重视策略适用期限的动态监控。
  • 2014年表现异常,提示左侧策略搭配市场周期有特定局限。

- 交易成本仅考虑基本部分,未完全涵盖市场冲击成本。
  • 策略20只股票持仓规模较小,实际操作中可能面临流动性挑战。

- 股东户数次高季度作为计算分母,虽然平滑指标,但可能隐含若干统计陷阱,报告未进一步深入检验。

整体分析较为严谨,数据充分,细节处反映出对筹码变量特性的深刻理解。

[page::8,12]

---

七、结论性综合



本报告通过创新性地融合筹码价格集中与筹码投资者集中双重视角,构建了以基本面筛选为核心,辅以筹码分布特征的选股策略,突破了以往筹码研究单一角度的局限。采用著名基础指标Piotroski F-Score和分析师评级作为基本面把关,实现对非基本面因素人为干预的有力筛选。

报告详细阐述了筹码价格分布的构造方法和股东户数的指标特性,结合案例形象展示了各指标在市场不同阶段的表现和内涵。双重筹码集中策略不仅在回测期间整体表现优于中证500,且多年来风险收益特征稳定,信息比接近1,超额收益稳固,最大回撤控制合理,年化换手率保持在适中水平,展现了良好的实用价值。

值得关注的是,指标在受限市场环境(如流动性极端、行业特殊财务结构)下表现波动较大,策略对银行保险等权重较低。2029年分年收益亦印证了该策略在底部急涨行情窗口下的表现弱点,显示策略更适合左侧布局而非短线追涨。人均持有市值对于股东户数的影响揭示指标需结合实际情况进行综合判断。

总体而言,本报告为股票量化选股提供了一个可行、科学且结合市场实情的双因子风控选股框架,具有较强的理论支持和实证基础,适合作为机构投资者基本面与筹码面结合型量化策略的参考蓝本。报告提醒注意历史回测局限,建议结合最新市况调整应用。

---

重要图表一览



| 图表编号 | 内容描述 | 见解摘要 | 页码 |
|----------|------------------------------------|-------------------------------------|---------|
| 图表2 | F-Score分组收益累计 | 高F-Score组稳定跑赢,收益明显领先 | [page::4] |
| 图表5 | 分析师评级与F-Score组合净值 | 双指标组合提升稳定性,减少大跌风险 | [page::5] |
| 图表6 | 组合极端下跌比例对比 | 双指标组合下跌概率最低,最优风险控制 | [page::6] |
| 图表8 | 方大炭素筹码价格集中示例 | 价格筹码集中预示潜在走势反转机会 | [page::7] |
| 图表9 | 筹码投资者集中与非集中收益对比 | 投资者集中组表现更优 | [page::7] |
| 图表10-11| 国电电力股东户数与价格关系 | 股东户数受跌幅影响,非真实资金流入 | [page::8] |
| 图表12-13| 贵州茅台股东户数与价格关系 | 持仓市值较大时股东户数变化与资金动向不完全一致 | [page::9] |
| 图表14-15| 双重筹码集中选股策略净值表现 | 策略长期持续跑赢基准,交易成本影响小 | [page::10]|
| 图表16 | 策略分年收益与风险指标 | 多年稳定超额收益,2014年除外 | [page::11]|

---

溯源标识



本文结论均明确对应报告原文页码,确保分析内容的准确来源与溯查便捷。[page::0,1,3,4,5,6,7,8,9,10,11,12]

---

总结



华创证券本报告创新整合多视角筹码分析与基本面评价,合理规避了指标单一带来的局限,构造出基于双重筹码集中的量化选股策略。详细的数据支撑和长期回测表明,其在A股市场具备良好的稳定性和风险收益比。该策略适用机构投资者风险控制严谨、追求稳定超额收益的需求,对提升选股模型的防御性和前瞻性均有重要价值,值得关注与进一步探讨实践。

---

【完】

报告